本讲知识点
前面的课程中，我们已经完成了 PID Controller（PID控制器）内部各控制项的建立：
Rate Error（角速度误差）
↓
P Term（比例控制项）
↓
I Term（积分控制项）
↓
D Term（微分控制项）
↓
Feedforward（前馈控制）
其中：
P Term：解决现在差多少。
I Term：解决过去累计差多少。
D Term：解决变化趋势有多快。
Feedforward：提前响应未来输入变化。
但是，到目前为止，我们更多是在分别理解每一个控制项。
本讲我们暂时离开源码细节，站在整个PID控制器的角度，重新回答一个最核心的问题：
PID 到底是什么？
之前的课程中，我们已经逐步建立了：
飞手输入
↓
目标姿态
↓
目标角速度
↓
当前角速度
↓
Rate Error（角速度误差）
↓
PID Controller（PID控制器）
↓
电机控制量
同时，我们也已经知道，PID Controller（PID控制器）真正接收的，
不是目标值，也不是当前值，
而是目标值与当前值之间的差距，也就是Error（误差）。
本讲将在这个基础上，把 P、I、D 和 Feedforward 重新组合起来，形成完整的 PID 控制思想。
为了理解 PID，我们先暂时离开飞机。
假设，我们正在驾驶汽车。
道路限速：
目标速度：100 km/h
但是现在汽车速度：
当前速度：70 km/h
两者之间存在：
速度误差：30 km/h
也就是说汽车还差 30 km/h。
现在问题来了，如果让你控制油门，你应该怎么做？
直觉上，差得越多，踩油门越大。
例如：
速度：70 km/h
目标：100 km/h
差距：30 km/h
于是，大力踩油门。
如果：
速度：95 km/h
目标：100 km/h
差距：5 km/h
那么，轻踩油门。
这个思想就是：
P Term（比例控制项）。
P Term 的核心思想非常简单：当前误差越大，控制输出越大。
数学关系：
P Output = Kp × Error
其中：
Error：当前误差。
Kp：比例强度。
放回汽车，如果，误差：30 km/h，那么，输出：较大的油门。
如果，误差：5 km/h，那么，输出：较小的油门。
因此，P Term 解决的是：现在差多少。
继续驾驶，目标：100 km/h
汽车：98 km/h
误差：2 km/h
此时 P Term 认为：误差很小，所以油门很小。
但是现实中，汽车存在：
于是，虽然一直给一点油，汽车可能只能保持：98 km/h
永远达不到：100 km/h
这就是：稳态误差。
那么怎么办？
既然现在误差很小，但是过去一直存在误差。
那么控制器应该记住过去发生了什么。
例如，过去一分钟：速度一直比目标低2 km/h
虽然当前只差：2 km/h，但是，过去累计起来，说明发动机输出不足。
于是，控制器逐渐增加补偿。
这就是：
I Term（积分控制项）。
它关注：误差累计了多久，累计了多少。
因此，I Term 解决：
过去累计差多少。
现在，汽车终于达到：100 km/h
但是，由于 I Term 已经积累了一部分补偿。
此时，车辆可能继续加速：
100 -> 105 -> 110
出现过冲。
也就是：已经接近目标，但是仍然继续增加。
为什么？
因为，系统存在惯性，飞机也是一样。
如果控制器不仅知道“现在差多少”，还知道“速度正在变化多快”，
那么，它就能提前判断：是否马上超过目标。
例如，当前：98 km/h， 目标：100 km/h
表面看，只差 2 km/h。
但是，如果速度变化趋势是：每秒增加 10 km/h
那么控制器知道：马上会超过目标。
因此，提前减少输出。
这就是：
D Term（微分控制项）。
它关注：变化趋势。
因此，D Term 解决：变化正在发生多快。
现在重新看汽车控制：目标 100 km/h
观察现在差多少？负责：快速靠近目标。
观察过去是否长期存在误差？负责：消除长期偏差。
观察：变化趋势是否会导致过冲？负责：提前抑制变化。
三者组合：
P：拉近目标。
I：消除剩余误差。
D：避免过冲。
这就是：PID Controller（PID控制器）。
汽车控制的是：速度。
而飞控控制的是：角速度。
例如：
飞手打杆后，飞控得到：
Desired Angular Rate（目标角速度）= 300°/s
陀螺仪测量：
Current Angular Rate（当前角速度）= 250°/s
于是：
Rate Error = 300 - 250 = 50°/s
PID Controller（PID控制器）看到：飞机还少旋转 50°/s。
然后：P、I、D 分别开始工作。
在 Betaflight 中：
PID Controller（PID控制器）最终不是直接控制电机转速。
它计算：
P + I + D + Feedforward
得到 PID Sum。
也就是控制输出。
对应源码逻辑：
const float pidSum = pidData[axis].P
+ pidData[axis].I
+ pidData[axis].D
+ pidData[axis].F;
这一步表示：四个控制思想最终合成为一个控制结果。
假设：飞机需要：
目标角速度：300°/s
当前：
250°/s
因此：
Rate Error：50°/s
P Term，
假设 Kp = 0.8，那么：
P = 0.8 × 50 = 40
表示：当前误差需要立即产生 40 的控制力度。
I Term：
假设过去飞机长期少转：5°/s
经过累计，得到：I = 10。
表示：过去误差需要补偿。
D Term：
如果当前角速度快速增加，控制器发现马上接近目标。
于是：D = -8。
提前减少输出。
Feedforward：
如果飞手刚刚快速打杆，控制器知道：
这是人为希望快速变化。
提前增加：F = 15。
最终：
PID Output = 40 + 10 - 8 + 15 = 57
这个就是飞控接下来用于控制飞机的输出。
现在完整控制链已经建立：
RC Stick
↓
Target Angle
↓
Current Angle
↓
Angle Error
↓
Desired Angular Rate
↓
Current Angular Rate
↓
Rate Error
↓
PID Controller
↓
P + I + D + Feedforward
↓
PID Output
↓
Mixer
↓
Motor Output
到这里，PID Controller（PID控制器）在整个飞控中的职责已经完整建立。
它并不是一个神秘公式。
而是一套：
不断观察误差，根据误差状态，决定控制力度的反馈系统。
本讲对 PID Controller（PID控制器）进行了系统总结。
我们通过汽车速度控制的例子，重新理解了 PID 的核心思想：
P Term（比例控制项）解决当前差多少。
I Term（积分控制项）解决过去累计差多少。
D Term（微分控制项）解决变化趋势有多快。
同时，结合 Betaflight 的控制链，我们明确了：
飞控中的 PID 并不是直接控制飞机姿态，而是控制：
Rate Error（角速度误差）
并通过：
P + I + D + Feedforward
生成最终控制输出。
至此，PID Controller（PID控制器）作为 Inner Loop（内环）的核心控制模块，已经完成系统性建立。
现在，PID Controller（PID控制器）已经完成：
误差 -> 控制输出
的转换。
但是, PID Output（PID输出）仍然不能直接驱动电机。
因为, 飞机还需要解决：
一个控制输出，如何转换成四个电机不同的推力？
下一讲，我们将进入：
Mixer（混控器）
理解飞控如何把：
Roll / Pitch / Yaw 控制量
↓
转换为：四个电机的输出差异。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。